该来的总会来，人工智能时代的生存法则
Original 观雨大神经 观雨大神经
最近一个叫ChatGPT的人工智能非常火，按照研发公司OpenAI的说法，该工具可以学习和理解人类的语言，并根据上下文和聊天者互动。

这看起来就是一个陪伴社恐患者度过漫漫长夜的小棉袄。


但等人们真正开始把玩起这个“小棉袄”时，却发现事情并不简单。

这货能做的事情也太多了。

这个程序表面上是来陪你聊天的，实际上写文案、写论文、写代码、做表格、甚至直接回答你的各种问题......只要是文字相关的工作，它都能做。


当开始有人用这个工具在面试的考场里大杀四方时，一个简单而又焦虑的逻辑浮现在了每个打工人的脑海中：

有了这玩意，还要我干嘛？



—饭碗危机—

人工智能是近年来迅速崛起的技术，现在市面上其实已经存在大量应对不同工作的人工智能工具，而ChatGPT的功能以处理文字内容为主，所以它给普通人带来的冲击感非常直观。


在这样的背景下，人们对于人工智能就产生了两种比较常见的看法：

一种看法认为人工智能确实很可怕，未来将彻底替代人类，挤占掉人类所有的生存空间。

另一种看法则认为人工智能只是看起来厉害，但其实只是一个没有灵魂的搬砖机器，很难真正做好属于人类的工作。



哪种看法对呢？

其实都有点道理，但也都不太准确。

要想替代人类，人工智能需要产生自我意识，做到自行推导逻辑、自己思考和解决问题。学者们一般把这种水平的人工智能称之为“强人工智能”。

不过这个“强人工智能”的定义虽然被描述得有板有眼，但这样的技术还只存在于科幻小说中。


我们现在能够看到的所有人工智能，不管是爆红的ChatGPT，还是当年那个“终结人类围棋史”的阿尔法狗，都还属于“弱人工智能”的水平。

这个水平的人工智能没有自主意识，只是一个高效的工具，和取代人类不沾边。

那么工具变得更高效是好事吗？

当然是好事。

工具的进步不仅不会摧毁人类的饭碗，反而还会催生出更多的就业岗位。事实上每一次生产工具的革新都会创造出一大批人们之前无法想象的新职业。

比如说机器的普及创造了大量的工程师岗位，电脑的普及则创造了大量的白领岗位。


如果生产工具永远不进步，那么我们现在都还在地里种地，这个世界也不可能承载起几十亿个就业机会。

看到这里可能很多人就放心了，觉得人工智能并不会威胁到自己的饭碗。

很遗憾，放心早了。

虽然在宏观层面，生产工具的升级确实会把就业市场的蛋糕做得更大，但在微观层面上，具体到你的那个饭碗还保不保得住就不好说了。


历史上工具的升级从来都会伴随着大量的失业，“大量新职业的产生”和“大量老员工的下岗”，这两种场景是同时出现的。

这是因为新的工具就意味着新的工作模式，但人的适应能力有限，不是所有人都能支付得起新工作的学习成本。

这就好像我打了几十年铁突然有一天要我去操作机床、写了几十年板书突然有一天要我去做PPT。

对不起，臣妾实在做不到。

所以历史的洪流浩浩荡荡，你既可能是洪流的一份子，也可能是被拍到岸上的小浪花，焦虑是正常的。


有焦虑，就有自我安慰。比如说前面提到的第二种看法，就是一种典型的自我安慰：

“人工智能只是一个没有灵魂的搬砖机器，很难真正做好属于人类的工作。”

这个看法认为机器只能把简单重复的工作干好，那种需要我们进行主观判断或者发挥想象力的工作终究无法被替代。

在这个观点里，人性成了我们战胜人工智能的法宝。

我们是人，有感情，有创意，有爱，有....


那么这些人性方面的特点真的能让我们取得对人工智能的优势吗？

要回答这个问题，就得先搞清楚人工智能的工作原理。



—“灵魂”？—

人工智能程序和传统电脑程序一样，都能帮你完成各种工作。但传统程序需要你直接告诉它一步一步该怎么做，这个过程称之为编程。

编程对于大多数人来说门槛太高。实际上普通人不要说学习编程了，平时学个软件使用都费劲，所以普通人和电脑的交流是存在着比较大的障碍的。


而人工智能打破了这个障碍，它不用你告诉它具体怎么做，它可以自己去学，同时也能用人类的语言与你沟通。

所以人工智能使用起来非常简单，你只需要直接告诉它你想要什么，它就能把事办了。

那么人工智能是怎么做到这一点的呢？

靠学习大量的数据。


具体做法是这样的：

比如说你要让人工智能学会认出“狗”的图片，那么你就给它输入大量标记为“狗”的狗的照片，以及大量标记为“非狗”的其他物体的照片，它就会自己从中总结出“狗”的特征。


在这个过程中自然是给的数据越多，它的学艺就越精。

那么到底要喂多少数据才能让他有能力办成点事呢？

这里有个例子，之前战胜柯洁的围棋人工智能阿尔法狗，他在几个月的时间里学习了15万盘职业选手的棋谱，里面包含了大约3000万个的盘面，然后还自己和自己对弈了3000万盘棋。

通过这些天量的数据积累，阿尔法狗可以评估出人类对手在不同盘面下落子选择的概率，同时也可以评估出各个落子选点的胜率。

然后阿尔法狗每次落子就选胜率最大的那一点，最终就靠着这个简单粗暴的逻辑打败了人类棋手。


可以这么说，现在的人工智能就是大公司通过天量数据砸出来的一个工具，这个工具厉害就厉害在它可以短时间内把人类在某个领域的所有经验全部塞到自己脑子里。

而人工智能之所以能在近几年发展特别快，主要也是得益于大数据的发展。大数据技术使得人工智能的“养料”数量出现了指数级的跨越，于是它终于能学出点名堂来了。

所以你要说“灵魂”，那人工智能确实没有，这家伙干活靠的就是“简单的逻辑+大量的数据”，俗称大力出奇迹。


那么是不是可以说我们人类相对人工智能确实有优势，咱可以靠自己的“灵魂”保住饭碗呢？

呵呵，想得美。

其实人工智能有没有灵魂并不重要，重要的是咱先扪心自问一下：自己现在干的这个工作到底需不需要“灵魂”。

人工智能的工作逻辑是很简单，但我们手头的这份工作，它的逻辑就不简单吗？

事实上人们从事的大多数工作本来就是由大量可重复的简单逻辑构成的。

就比如说开车吧，这个工作看起来很需要司机的随机应变，似乎很难被简单的复制。但如果我们把整个操作过程掰开来看，就会发现它其实是由无数个“如果碰到XX情况就做出XX动作”的重复步骤组成的。


于是我们现在就看到了大量的自动驾驶人工智能。

现在不要说开车了，就算是绘画、写文案、编代码这种在人们传统认知里非常依靠“灵感”的工作，人工智能都能干，因为这些工作同样也充斥着大量可重复的行为逻辑。

大家都是没有灵魂的复制粘贴大师，谁也别笑谁。

当然了， 毕竟是“没有灵魂”，所以人工智能的工作还达不到大师的水平。

但是经过足够的学习和训练后，达到普通工作者的水平还是可以的，反正市场里大多数人的需求和鉴赏水平也有限，大不大师的根本分辨不出来。

人工智能绘画作品：


而这也意味着普通工作者的饭碗会受到直接冲击。


具体怎么个冲击法呢？

我们可以拿一个一般情况下不太容易和人工智能联系起来的职业作为例子：医生。

人体的毛病多复杂啊，难道机器人还能代替医生看病不成？

还真能。


医生对疾病进行诊断的原理就是根据患者的症状和检验报告（包括影像报告），结合自己储备的理论知识、病例资料以及临床经验，把病因和患者的症状以及检验报告做一个匹配。

在这个过程中，医生可以被认为是各种信息的分类器。

所以我们可以看到，这个工作的逻辑其实是很简单的。但你理解这个逻辑后也不可能马上成为医生，因为你没有经过系统的学习和训练，不掌握必要的理论知识和大量的病例经验。


培训出一个合格的医生至少需要5-6年，而要成为专家，那可能就需要几十年的努力成长了。所以医生对于普通人来说是一个学习成本很高的职业，在社会上是比较稀缺的。

不过这些学习成本对于人工智能来说就不是个事了。

在大数据的支持下，研发人员可以在短时间内直接给人工智能塞进去大量的病例数据。

2019年的时候，广州医科大学及加州大学圣地亚哥分校在Nature Medicine在线发表了一篇题为《应用人工智能评估和准确诊断儿科疾病》的研究论文。


在这个研究里，他们设计了一个可以从电子病例记录（EHR）中提取临床相关信息，并对患者进行诊断的AI框架。

这个人工智能通过学习来自56.7万名儿童患者的136万份高质量电子文本病历，学会了多种儿童常见疾病的诊断。

在实践中它的诊断准确度达到了经验丰富的儿科医生的水平。 

现在类似的人工智能诊断工具已经越来越多，只不过因为现行法规对该技术还有诸多限制，所以我们接触得还比较少。

当然，这并不是说我们不需要医生了，医生仍然是不可或缺的人才。但如果人工智能诊断真的能够成熟起来并实现普及，那么医疗机构对医生的需求数量确实会减少。


通过这个例子我们可以这么来总结人工智能对打工人的冲击：

人工智能冲击一个行业，并不是要把这个行业里的所有从业者都消灭掉，但确实会干掉相当一部分的基层从业者。

受到人工智能冲击的行业会逐渐形成少数精英控制大量人工智能的工作模式。


所以对于普通打工人尤其是白领群体而言，人工智能就真的是一把达摩克里斯之剑了。

怎么办呢？



—战略抉择—

应对冲击的关键，在于搞清楚一个问题：和你竞争的是什么？

如果你认为和你竞争的是人工智能，那么你的策略无非就是两个：躲避或超越。

所谓“躲避”，就是跑到那些人工智能威胁不到的领域躲起来。

所谓“超越”，就是抓住人类相对机器的优势，在某些方面做到比人工智能更优秀。


这两个努力方向行不行呢？

不是说不行，只是会比较困难。


“躲避”的问题是人工智能的发展方向充满了不确定性，我们站在现在这个时间点，并不知道未来哪个领域会被它首先攻破，所以很难去找到一个安全的地方躲起来。

其实躲避人工智能的最佳去处是体制内。因为体制内的工作有市场以外的力量背书，不需要充分考虑效率。就算你的效率已经明显低于市场主流水平，饭碗仍然大概率是稳的。

而“超越人工智能”的关键是首先找到“人类相对机器的优势”。

但这也是个玄学，因为人类对自身的认知其实很有限，我们并不是很确定我们哪些方面一定比机器强。

比如说我们觉得自己有“灵魂”有“灵感”，但说不定在人工智能眼里，我们的这个所谓的“灵魂”或者“灵感”，只不过是算力低下带来的迷茫感而已。


也就是说现在我们眼里的那些“护城河”，对于人工智能来说可能只是一层窗户纸。

所以选择跟人工智能直接竞争基本等同于撞大运。

运气好，你选择的行业人工智能确实啃不下来，那么你可以继续稳坐钓鱼台；

运气不好，你从行业精英到卷铺盖走人也就是一个晚上的事。


难道我们这些凡人真的只能束手就擒了吗？

那倒不是，要应对这个挑战，我们首先需要做的是换个思路。

不管人工智能再怎么厉害，大家也不要忘了，它本质上是一个工具。

你为什么要去和工具竞争呢？

“工具取代人”这样的事情其实并不存在，现实中真正存在的是：

“会利用新工具的人取代不会利用新工具的人”

马车夫并非被汽车取代，而是被汽车司机取代。所以在战略层面上我们要明白一个道理：你真正的竞争对手永远是人。

你需要努力的方向不是变得比人工智能更厉害，而是比其他人更擅长利用人工智能。


我估计未来有可能出现一个“人工智能管理大师”这样的角色。这个人通过管理和协调不同人工智能之间的协作，搭建出一个“人工智能闭环”，实现从人工智能到人工智能的工作模式。

比如说用“编剧人工智能”搭配“绘图人工智能”再搭配“配音人工智能”以及“影视制作人工智能”，实现影视作品的全自动生产。

工具的革新虽然会导致人与人之间的生产力出现代差，但同时也会对各个行业进行彻底的洗牌，把大多数人拉到同一个起跑线重新出发。

重新出发后能否脱颖而出，并不取决于之前的积累，而是取决于学习速度的快慢。


所以威胁和机会是并存的。对于个人来说，在心态上首先面临的挑战就是如何对待沉没成本。

在你从事了半辈子的行业突然要面临洗牌的时候，你是紧抱长期积累的经验和资源不放，还是果断从零开始学习全新的工作模式？这确实是一个艰难的选择。

当然现在我们还不用太紧张，人工智能距离真正大范围的应用还有很长的距离，当前ChatGPT的火爆更多的还是因为资本炒作。

现在市面上的各种人工智能确实能做一些事，也震动到了一些行业，但相对于整个社会而言，它们的影响范围还是比较小的。不过随着数据的积累和计算机算力的增强，再过几年是个什么情况就不好说了。

所以在行业洗牌的大潮来临之前，个人最好能提前做一些准备，至少先主动接触接触这些工具。


比如说我认识一个摄影师朋友，平时我们都称呼他为“丁老师”（微博：丁力deanlee）。他就是那种典型的行业精英，前段时间谷爱凌的凯迪拉克广告就是他拍的。

然后我发现他最近正事不干，居然学习起了AI绘图。

于是我就比较好奇地问他：“这个AI绘图对你的工作有啥用？”他很干脆的回答我说：

“没用。”

但这哥们很快话锋一转，“先学着看看呗。”

你们看这个心态就很好，在未来还比较迷茫的时候，自己先主动出击去尝试，而不是躺在原地什么也不做。

毕竟艺术细胞拉满，画起来还是挺有感觉的：




—结 语—

我们的世界现在正以“天”为单位发生着各种更新和变化，这是一个处在剧变中的时代，人工智能的崛起不过是这个浪潮中的一朵浪花。

而作为普通人，我们也有必要根据环境的变化来调整自己的策略。

在大环境比较稳定的时候，人们一般会专注于取得更大的成就。而在大环境剧烈变化的时候，我们的核心目标就只有一个了：尽可能的留在牌桌上。

也就是以“活下去”为第一目标。

那么问题来了，怎样在剧变的环境中提升自己的生存概率呢？

在自然界中有一种特殊的进化方式，叫“特化”。即为了适应独特的生存环境而形成的局部器官过于发达的特异适应。

特化后的生物会对某一种环境高度适应，并凭借这个优势成为该环境下的佼佼者，享受到马太效应的红利（即赢家通吃）。

这就类似于我们努力成长为某个行业里的行业精英，在正常情况下这是最靠谱的发展模式。

但这种发展模式只适用于稳定的环境，因为在稳定的环境下，大多数行业和成熟的公司都没有覆灭的风险，你努力去做到行业标杆总没错。

然而“特化”也是有代价的，它的代价是缩小了生物的适应范围，一旦环境出现巨大变化，特化后的生物往往会因为无法适应新环境而走向灭绝。

这就好比你把所有的精力投入到一个领域，固然可以成为该领域的标杆，但同时也意味着你没有富余的精力去培养其他能力。

一旦你所专注的领域遭遇重新洗牌，你就将无处可去。

所以在这个世界充满不确定性的时候，我们要避免“特化”，要尽可能的丰富一下自己的技能包，这样万一主业出现地震，还可以左右逢源。

这样的策略可能会导致你不够优秀，但至少能帮助你留在牌桌上。

而只要留在牌桌上的时间够长，就总会有机会出现。


全文完